基于视觉与文本特征的房价估计
计算机视觉与模式识别
2016-09-28 v1
摘要
大多数现有的自动房价估计系统仅依赖于一些文本数据，如其周边区域和房间数量。最终价格是由实地看房并进行视觉评估的人类中介来估计的。在本文中，我们提出从房屋照片中提取视觉特征，并将其与房屋的文本信息相结合。将组合后的特征输入到一个全连接多层神经网络（NN）中，该网络将房价估计作为其单一输出。为了训练和评估我们的网络，我们收集了（据我们所知）首个结合了图像和文本属性的房屋数据集。该数据集由来自美国加利福尼亚州的535个样本房屋组成。我们的实验表明，与仅使用文本特征相比，添加视觉特征使R值增加了3倍，并使均方误差（MSE）降低了一个数量级。此外，当在基准的仅文本特征住房数据集上进行训练时，我们提出的NN仍然优于已发表的现有模型结果。
引用
@article{arxiv.1609.08399,
title = {House price estimation from visual and textual features},
author = {Eman Ahmed and Mohamed Moustafa},
journal= {arXiv preprint arXiv:1609.08399},
year = {2016}
}
备注
NCTA 2016. Final paper is on SCITEPRESS digital library